این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
تحقیقات منابع آب ایران، جلد ۱۱، شماره ۳، صفحات ۸۵-۹۹
عنوان فارسی ارائه مدل ترکیبی ژنتیک ـ کریجینگ برای پیش‌بینی زمانی و مکانی سطح آب زیرزمینی
چکیده فارسی مقاله استفاده از روش‌های هوشمند تکاملی و مدل‌های ترکیبی برای پیش‌بینی زمانی ـ مکانی نوسانات سطح آب زیرزمینی در دهه‌های اخیر بیشتر مورد توجه محققین قرار گرفته است. الگوریتم ژنتیک و نروفازی از روش‌های جدید پیش‌بینی نوسانات سطح آب زیرزمینی هستند که برای پیش‌بینی مسائل پیچیده و غیرخطی می‌توانند به‌صورت منفرد و ترکیبی به‌کار روند. در این پژوهش، از روش‌های فوق برای مطالعه آبخوان دشت هادیشهر که به دلیل برداشت بی‌رویه از آب‌های زیرزمینی، سطح آب زیرزمینی آن افت شدیدی پیدا کرده است؛ استفاده شد. دشت هادیشهر در شمال غرب استان آذربایجان شرقی واقع شده و بخشی از محدوده مطالعاتی جلفا ـ دوزال است. به‌منظور یافتن راهکارهایی مفید برای پیش‌بینی زمانی ـ مکانی سطح آب زیرزمینی، از روش‌های هوش مصنوعی مانند نروفازی و برنامه‌ریزی ژنتیک و ترکیب بهترین مدل آن‌ها با روش‌های زمین‌ آماری استفاده شد. بارش و تبخیر در گام زمانی t0 و سطح آب زیرزمینی در گام زمانی t0-1 ورودی‌های مدل‌های نروفازی و برنامه‌ریزی ژنتیک بودند. نتایج نشان داد دقت مدل برنامه‌ریزی ژنتیک بیشتر از مدل نروفازی است به‌طوری‌که RMSE میانگین برای پیزومتر‌های منتخب در مرحله آزمایش در مدل برنامه‌ریزی ژنتیک 19 سانتی‌متر و در مدل نروفازی 23 سانتی‌متر به‌دست آمد. لذا مدل برنامه‌ریزی ژنتیک برای ترکیب با مدل‌ زمین ‌آماری (کریجینگ) استفاده شد و در نهایت مدل ترکیبی کریجینگ ـ ژنتیک برای پیش‌بینی زمانی ـ مکانی به‌دست آمد؛ و نتایج شبیه‌سازی‌شده به کل دشت و مناطق فاقد شبکه پایش سطح آب زیرزمینی بسط داده شد.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Spatio-temporal Groundwater Level Prediction Using Hybrid Genetic-Kriging Model (Case Study: Hadishahr Plain)
چکیده انگلیسی مقاله In recent decades, the application of intelligent evolutionary methods and hybrid models for forecasting groundwater spatiotemporal fluctuations were more focused by researchers. Genetic algorithm and Neuro-Fuzzy are new methods which are applicable in single and hybrid forms for forecasting in complex and nonlinear problems. In this research, aforementioned methods were applied to study the Hadishahr plain aquifer. The Hadishahr plain is located in the north of East Azerbaijan province and it is a part of Julfa–Duzal study area. This aquifer suffers from groundwater level declination due to groundwater withdrawal increase. To achieve practical ways for spatio-temporal groundwater level forecasting, the artificial intelligence methods such as neuro–fuzzy (NF), genetic programming (GP) and combination their best model with geostatistical methods were used. Precipitation and evaporation in t0 time step and groundwater table in t0-1 time step were the inputs to the Neuro-Fuzzy and Genetic Programming. The results showed that the average RMSE of selective piezometers for genetic programming and neuro-fuzzy were 19 and 23 centimeter in the test step, respectively. Then, genetic programming was used to present a hybrid model in combination with the geostatistical model (kriging). Finally, the hybrid model “genetic - kriging” were applied to predict the spatiotemporal prediction of the groundwater level. The simulated results were extended to the whole plain and the area with no groundwater level monitoring network.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله محمد حسن حبیبی | hassan habibi
دانشجوی کارشناسی ارشد گرایش آبشناسی، دانشگاه تبریز
سازمان اصلی تایید شده: دانشگاه تبریز (Tabriz university)

عطاالله ندیری |
استایار گروه علوم زمین دانشکده علوم طبیعی دانشگاه تبریز
سازمان اصلی تایید شده: دانشگاه تبریز (Tabriz university)

اصغر اصغری مقدم | asghari moghaddam
استاد گروه علوم زمین دانشکده علوم طبیعی دانشگاه تبریز
سازمان اصلی تایید شده: دانشگاه تبریز (Tabriz university)

نشانی اینترنتی http://www.iwrr.ir/article_14009_1eaba82f2055b7ee746423ed1be21e3c.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات